これらの危機を予測するには、i を使用できます。 予測モデル しかし、それらはしばしば遅延、時代遅れ、または不完全なリスク対策に基づいています。 ニューヨーク大学の研究では、予測アルゴリズムを最適な方法で活用する方法を理解しようとしました。
この研究は、11,2 年から 1980 年の間に発行された食料不安国に関する 2020 万件の記事のテキストを編集し、最近の進歩を利用して、 deep learning:心地よい結果が得られる。 この精緻化により、食品危機の高頻度の前兆を抽出することができました。これは、解釈可能であり、従来のリスク指標によって検証されています。
アルゴリズム deep learning 2009 年 2020 月から 21 年 12 月までの期間において、危機指標により食糧不安 XNUMX か国の予測が大幅に改善され、テキスト情報を含まないベースライン モデルよりも最大 XNUMX か月早くなったと強調しました。
この研究は、米国によって発表された食料不安の統合段階分類 (IPC) 予測に焦点を当てています。 飢饉早期警報システムネットワーク (FEWSネット)。 この分類は、アフリカ、アジア、ラテンアメリカの 37 の食料不安国の地区レベルで利用可能で、2009 年から 2015 年の間は年 XNUMX 回、その後は年 XNUMX 回報告されています。
食料不安は、低、ストレス、危機、緊急、飢饉の XNUMX つの段階からなる順序尺度に従って分類されます。
BlogInnovazione.it
先週の月曜日、フィナンシャル・タイムズ紙はOpenAIとの契約を発表した。 FT は世界クラスのジャーナリズムにライセンスを供与しています…